营养状态指数(TSI)是评价水生生态系统的重要参数。过去用遥感数据分析湖泊TSI研究是基于间接方法，即从遥感数据中提取一个或多个水营养指标(Chla、SDD、TP和TN)，然后计算和评估TSI。这种评价方法有一定的局限性。首先，由于TSI相关水质参数的遥感估计精度有限，间接方法可能比直接方法更不确定。其次，由于内陆水域光学特性的复杂性，这些TSI相关参数的遥感估计算法大多是基于经验方法；因此，遥感数据被用于TSI可迁移性的评估受到很大限制。 本研究开发了一种通过替代指标快速评估湖泊的方法TSI在较高的时间和空间分辨率下，半分析方法可以相对方便快捷地监控。

1. 数据 实测数据：2004-2018年，覆盖贫营养丰富的湖泊27个，采样点812个，包括实测ap, aph, acdom, SDD, CHLA, TN, TP. 这些数据集包括各种水体类型，从贫营养到富营养。 Landsat2013年至2017年千岛湖21景Landsat 8 OLI；纳木错和龙虎泡各1个场景Landsat 8 OLI。 卫星与原位数据的匹配标准设置为≤3天-最终获得128组同步匹配数据。
2. 方法 基于Chla、TN、TP和SDD 改进了4个生物地球化学参数Carson’s TSI本研究的营养状态作为实测评价TSI。

采用Wj来评估Chla与其他参数的紧密性。Wj值可能因湖而异，也可能因季节而异。毫无疑问，这会增加TSI计算的复杂性。Rj2指的是chla决定系数和第j参数。Rchla2=1; Rtp2=0.55; Rtn2=0.23; Rsd2=0.10.

模型构建的前提：内陆水域的光学活性成分（chla,NAP,CDOM）吸收系数是决定自然水固有光学性质和表观光学性质的基本变量。吸收系数可合理使用TSI假设指标TSI可以从OACs量化光吸收系数。

(1)模型构建 试着用线性函数、对数函数、指数函数和二次函数来建模TSI与aph(440)、TSI与ap(440)、TSI与at-w(440)关系。结果表明，对数函数对三种关系的精度最高，决定系数最高。其中，TSI-at-w(440)模型验证结果最好，其RE和RMSE最低值，原位测定TSI与估算TSI决定系数最高。

(实测数据检验) （2） 影像的检验 我们使用128个站点的数据集，包括同步测量的原位TSI和Landsat 8 OLI计算的Rrs（seadas）以评估上述方法的性能。这些结果表明，半分析方案的性能稳定且令人满意，至少在营养和营养较少的内陆水域。

（3） 算法应用于千岛湖，时空分布的检验 与其他研究结果相比，发现季节分布和空间分布相对一致。

（1）OAC吸收与TSI的内在关系 TSI与各组分的关系表明，TSI主要由SDD (R2=0.84)和Chla (R2=0.83)决定，其次是TP (R2=0.77)和TN (R2=0.55)。Chla与aph(440)、ap(440)、at-w(440)的决定系数分别为0.61 (p < 0.001)、0.66 (p < 0.001)、0.65 (p < 0.001)；与这些吸收系数相关的SDD决定系数分别为0.70 (p < 0.001)、0.46 (p < 0.001)和0.84 (p < 0.001)。OACs吸收系数似乎不包括TP和TN的信息。OACs吸收系数似乎不包括TP和TN信息。营养盐浓度与浮游植物生物量、总悬浮物和CDOM直接或间接相关。 TP它通常与总悬浮物质高度相关，它主导着颗粒的吸收，从而决定了内陆水域的清澈度。在我们的数据集中，TP与at-w(440)之间存在显着相关(R2=0.70, P < 0.001)。TP与Chla关系密切(R2=0.55, P < 0.005)。一些研究也表明，CDOM它与营养物质密切相关，是一种重要的水色参数。OAC吸收系数不仅能表示水色参数，还能提供水营养信息。因此，OAC吸收系数涉及TSI所有成分的信息都合理地反映了水TSI。认为吸收系数和TSI都是水质特性的混合结果。 （2）优缺点 优点：首先，大数据集的使用保证了方案的鲁棒性和有效性。 其次，从遥感应用的角度来看，模型可以尽可能减少累积误差，增强TSI可移植的遥感方法。固有的光学特性(IOPs)比内陆水域的水成分估算更容易、更准确。 缺点：首先，TSI-at-w(440)模型不适用于boreal大多数湖泊。在大多数北方湖泊中，CDOM的吸收通常非常高，从而主导了这些水域的光学性质的变化，特别是在短波长。CDOM与Chla与营养物质的相关性通常较弱；因此，CDOM为主的at-w(440)不能反映水体的营养状况，最终使提到的方法在北湖TSI遥感失效。 其次，我们的方法可能对悬浮沉淀物浓度高的水域有很大的不确定性。在悬浮沉淀物浓度较高的水中，留水辐射率主要由颗粒散射特性决定，而不是吸收特性。而at-w(440)通常由CDOM与浮游植物而不是悬浮沉积物共同控制at-w(440)不能完全反映悬浮沉积物的信息(Shi et al.， 2013；薛等人，2017)。此外，散射系数也会影响原因QAA_V6导出at-w(440)精度；导致高散射系数at-w(440)误差较多。

本研究基于Landsat 8 OLI数据，结合QAA_V6模型和TSI与OACs内陆水域建立了总吸收关系TSI半分析的遥感评估方法。这种方法可以克服传统的TSI评价方法采用单一遥感法TSI成分(Chla或SDD)缺点。验证结果具有一定的可移植性，表明该方法可用于计算内陆水体贫富营养。

1. 为什么只评价？TSI与aph(440)、TSI与ap(440)、TSI与at-w(440)没有关系TSI与aCDOM(440)
2. 从固有光学量出发，大胆假设，全面分析，减少误差。

论文信息 Shi K , Zhang Y , Song K , et al. A semi-analytical approach for remote sensing of trophic state in inland waters: Bio-optical mechanism and application[J]. Remote Sensing of Environment, 2019, 232:111349.

20220502：

目前，我国湖泊富营养化的长期遥感监测主要集中在一些特定的湖泊，特别是五个淡水湖（太湖、巢湖、洪泽湖、鄱阳湖、洞庭湖）。根据Landsat中国东部平原的图像生成大于10个km2的146个湖泊的35年(1986-2020年)TSI数据集。基于藻类生物量指数的设计(ABI)的Landsat系列TSI反演算法分析了中国东部平原湖的时空变化规律和影响因素。

1. 数据 建模数据：2013-2019年，覆盖19个湖泊OLI准同步测量数据。 检验数据:(1)太湖生态系统研究实验室提供的1992-2015年月33个站点Chla, SDD (m), TN (mg/L), TP (mg/L), (CODMn)。(2)中华人民共和国生态环境部《中国生态环境公报》1995 - 2020年EPL该地区29个湖泊的年度营养统计数据。 1986-2020年1017场景卫星数据Landsat SR图像，同步MODIS数据。 地表温度数据、风速、降水、人口(POP)、夜间灯光(NTL)、污水排放(WD)、植被指数归一化(NDVI)以及土地利用数据。

2. 方法 （1）采用Ma等人(2011)的湖边数据集确定每个湖的范围，并考虑近岸区域的影响，减少三个像素(Hu等人，2021b)。采用归一化差水指数(NDWI)提取水像元。 （2）FAI蓝藻水华提取指数。FAI <?0.01和FAI > 0.02剔除水中沉颗粒和厚厚的藻类浮渣的影响，采用FAI >?0.004屏蔽浮藻和水生植被区。 (3)使用浑浊水指数(TWI)水像元主要分为无机悬浮物和藻类。TWI阈值是平均值的两倍。

（4） 利用藻类生物量指数(ABI)反演各种水体类型TSI。

ABI利用555 nm遥感反射率归一化(Rrs, sr?1)和两个基线的区别，一个基线在Rrs(859)和Rrs(469)线性形成，另一个基线在Rrs(645)和Rrs(469)线性形成。 (藻类越高，近红外越高，Rrs(859)和Rrs基线越小，红色越低，Rrs(645)和Rrs(469)基线越高，差值越小。

注：事实上，只要绿、红、近红外波段形成三角形作为基线。

开发了两种光学水类型TSI由于高浓度悬浮沉积物会影响光信号，导致高浊度被误认为蓝藻。

将OLI拓展到TM、ETM ： 首先，选取了37张太湖无云图像(14张)OLI图像、13张ETM 图像和10张TM图像)。 其次，在中随机设置42个点。基于Landsat地表反射率，计算每个点上一个25 × 25窗口的平均ABI与匹配的MODIS图像中同一位置的一个3 × 3窗口的平均ABI，以获得一致的空间分辨率进行统计。 第三，将基于各配对的ETM+和TM的ABI值(ABIETM+和ABITM)与ABIOLI的ABI值进行比较，并通过ABIOLI校正ABIETM+和ABITM。

（5） 变化趋势和影响因素分析 ① 在气象学和水文学领域广泛使用的加性季节和趋势断点（BFSAT）算法用于分析1986年至2020年TSI时间序列的长期趋势。BFSAT方法能克服季节性效应，使断点位置不随序列长度的变化而漂移，能有效地处理季节性数据。BFAST(全称为Breaks For Additive Season and Trend)算法通过探测跳跃点,自动地将时间序列分解成趋势项、季节项以及残差项。 ② 利用广义线性回归模型(GLM)定量分析了LST、PRE、WS、NDVI、POP、NTL和WD等多个变量对TSI年际变化的相对贡献。

（1） 长时间TSI反演的性能

（1） 年度TSI反演的局限性 由于Landsat重放周期长，变化可能不能反映真实情况，进一步计算了MODIS的月平均TSI，并将其与OLI的月平均TSI进行对比(图16b)。基于MODIS的月平均TSI比日平均TSI平滑(STD = 2.1)。基于oli的月TSI (STD = 3.3)的变化幅度大于基于modis的月TSI。这是因为OLI图像每个月最多有两个场景，在大多数情况下，只有一个场景或根本没有图像。 因此，采用基于一天图像的TSI反演来代表一个月的营养状态，可能包含太多或太少的极端水分条件，不能完全反映真实的水环境。然而，基于OLI和MODIS TSI结果的营养状态水平具有较高的一致性，准确性为90.3% (N = 72)。因为营养状态等级是根据间隔来划分的。

为了探究不同时间分辨率对月平均TSI的影响，我们选取2020年8月基于MODIS Aqua的TSI反演结果，计算1d、2d、3d、5d、10d、16d的平均TSI。1-3d区间TSI观测值相似，平均值分别为67.2、67.3、67.9,STD值分别为2.9、2.5、2.6。基于5d观测间隔的月平均TSI增加到69.1。基于10d和16d观测间隔的月平均TSI分别为67.4和67.6(图17a)。观测间隔16d的月平均TSI变化幅度增大(STD = 2.6)。不同时间间隔的月营养水平均表明太湖处于富营养化状态。 同样，做了年均的对比。对于本研究中每月和每年的营养状态评价，我们的结果仍然可以接受和可靠，在大多数情况下可以反映湖泊的真实营养状态。

（2） 全球变暖和人类活动的启示 暖冬增强了蓝藻水华的爆发。预计在未来的气候条件下，对浅层富营养化湖泊的影响将变得更加强烈。因此，建议在暖冬和低风速共同影响下，有效的富营养化控制策略应考虑季节差异。为应对全球变暖，未来应进一步调整富营养化湖泊恢复的减缓战略。我们的研究发现，工业废水排放对湖泊富营养化的贡献最大(图12a)。因此，我们建议对水污染的控制应与工业发展阶段和废水排放阶段相适应。在经济快速发展的时期，对水环境的实时评价和同步治理尤为重视。 （3）其中一个基线是使用蓝色和近红外波段建立的，这使得通过近红外波段的上升反射率来检测藻类生物量的增加成为可能。净水的整个光谱反射率较低，NIR波段没有明显波动，这可能不适用于净水以获得良好的反演结果。Abi反演的TSI在混浊水中的准确性(训练R2 = 0.57，验证R2 = 0.60)不如在藻类为主的水中(训练R2 = 0.62，验证R2 = 0.71)。已有研究证实ABI算法对SPIM的变化更为敏感。当SPIM变化率为10%、50%、100%时，ABI对应的相对误差分别为6.94%、28.19%、54.75%。虽然我们使用TWI提取浑浊水，并建立了浑浊水的TSI算法，但由于极端浑浊的水量造成了TSI的过高估计。

首次对中国EPL地区湖泊（>10 km2）的TSI进行了遥感反演。通过结合Landsat TM、ETM+和OLI观测，评估146个湖泊的营养状态和影响因素，以了解1986年至2020年的富营养化进展以及水质保护和恢复面临的挑战。我们的研究表明，随着人类活动和地表温度(或水温)的增加，湖泊逐渐富营养化。同时，小湖泊(10-50 km2)的富营养化更容易受到人为因素和气候变化的影响。本研究强调了Landsat系列卫星稳健算法在水质监测中的有效性，拓展了研究的时间尺度和空间范围。本研究生成的TSI数据集可为未来水质管理提供关键产品。

影响因素分析，从很多不同的数据集找到了各种影响因子。 时空变化，不单纯分析随时间的变化，采用多种分析方法（BFSAT）、多重线性回归等。 对湖泊的长时序时空变化分析、影响因素分析值得借鉴，图表的制作也值得借鉴。

论文信息 Hu M , Ma R , Xiong J , et al. Eutrophication state in the Eastern China based on Landsat 35-year observations [J]. Remote Sensing of Environment, 2022, 277:113057.

对比 Shi的论文的重点在于方法的构建，Hu的论文重点在于长时序、大范围的分析。 Shi的方法目前只用于OLI，而Hu通过标定，拓展到了TM和ETM+。 两种方法具有一定的可移植性。

哪个公式？

第一个是改进的公式，第二个是carlson的原公式。 原公式更适合于计算比较清洁水体，如大洋 改进的公式更适用于湖泊。